CN110091876B - 一种线控四轮转向电动叉车的多故障检测和隔离方法 - Google Patents

Abstract

本发明涉及一种线控四轮转向电动叉车的多故障检测和隔离方法，包括：建立电动叉车三自由度动力学模型；构造故障模型；设计自适应滑模变结构观测器；对每一个可能故障部位设置一个自适应滑模变结构观测器，并设定不同的故障阈值；根据残差准确判断具体哪个传感器或执行器发生故障，并判断具体的故障时间；若发生故障，及时对故障进行隔离，并提醒驾驶员有故障发生；若未发生故障，则以设定的时间间隔循环执行步骤(1)到步骤(6)，实现线控四轮转向电动叉车的故障检测和隔离。本发明可以快速精确定位，合理地对执行器故障和观测器故障进行故障隔离，使得线控四轮转向电动叉车在各种复杂的工况下都具有良好的安全性和稳定性。

Description

一种线控四轮转向电动叉车的多故障检测和隔离方法

技术领域

本发明涉及安全辅助驾驶及智能故障检测技术领域，尤其是线控四轮转向电动叉车的多故障检测和隔离方法。

背景技术

近年来，随着工业化和科技的发展，工程车辆愈加频繁的被使用。同时随着汽车科技的发展，更先进的技术也别运用于工程车辆，提高了其操作性、安全性和驾驶稳定性。其中，叉车作为一种主要的货物搬运车辆，在港口、物流仓库和工厂车间等地方大量的运用。但传统燃油叉车，存在能耗大、环境污染等问题，从未电动叉车被大量应用。

四轮独立驱动电动叉车的四个驱动轮转矩可以随意分配，控制灵活，成为当前国内外纯电动车领域的研究热点。同时，线控转向***具有提高汽车安全性能、改善驾驶特性、增强操纵性和改善驾驶员的路感的特点。

叉车工作于这些地点，常遇到空间狭小、转向频繁的工作环境，使得叉车比其它工程车辆相比，工作环境更加恶劣，更需注重转向操作和安全问题。若发生故障时，传统的故障检测隔离方法不能被及时检测和隔离，会导致叉车存在安全隐患，甚至失控，或其它严重安全事故。

发明内容

本发明的目的在于提供一种有效保证线控四轮转向电动叉车在复杂工作环境中的可操作性、稳定性和安全性的线控四轮转向电动叉车的多故障检测和隔离方法。

为实现上述目的，本发明采用了以下技术方案：一种线控四轮转向电动叉车的多故障检测和隔离方法，该方法包括以下顺序的步骤：

(1)根据电动叉车实车建立电动叉车三自由度动力学模型；

(2)根据叉车在运行过程中的故障项和未知扰动项，再结合已建立的电动叉车动力学模型，构造故障模型；

(3)根据叉车的当前行驶状态确定实际的横摆角速度w_r、实际的侧偏角速度p_r和实际的方向盘转角值δ_r；

(4)设计自适应滑模变结构观测器，其中加入不连续开关项和根据残差确定的自适应项；

(5)对每一个可能故障部位设置一个自适应滑模变结构观测器进行故障监测，并设定不同的故障阈值；

(6)设置的自适应滑模变结构观测器个数与传感器或执行器的个数相同，根据残差准确判断具体哪个传感器或执行器发生故障，并判断具体的故障时间；

(7)若发生故障，及时对故障进行隔离，并提醒驾驶员有故障发生；

(8)若未发生故障，则以设定的时间间隔循环执行步骤(1)到步骤(6)，实现线控四轮转向电动叉车的故障检测和隔离。

在所述步骤(1)中，按如下方式建立线控四轮转向电动叉车的电动叉车三自由度动力学模型：

根据叉车动力学原理，出下述三个方程式：

确定绕X轴的侧倾运动方程如式(1)：

确定绕Y轴的侧向运动方程如式(2)：

确定绕Z轴的横摆运动方程如式(3)：

I_x为悬挂质量绕X轴转动惯量；

为横摆角加速度；

为侧倾角加速度；M_xi为各力矩在X轴方向的分力矩；I_xz为整车绕X轴与Z轴惯量积；F_Yi为各力矩在Y轴方向的分力矩；L_x为X轴方向作用于悬挂质量的外力矩；m为车辆质量；

为侧向加速度；u为纵向前进速度；ω为横摆角速度；m_s为簧载质量；h_s为簧载质量质心到侧倾中心轴的垂直距离；F_Y为沿Y轴方向总的外力；I_z为绕Z轴转动惯量；M_zi为各力矩在Z轴方向的分力矩；M_z为对Z轴的总的外力矩；p为侧倾角速度；

确定线控四轮转向电动叉车转矩平衡方程，如式(4)至式(6)：

F_Y＝F_Y1+F_Y2+F_Y3+F_Y4 (5)

M_z＝a(F_Y1+F_Y2)-b(F_Y3+F_Y4) (6)

因为叉车φ值很小，近似认为sinφ＝φ，cosφ＝1，联立式(1)至式(6)，可得以下方程组：

F_Y1为前轴左轮的垂直载荷；F_Y2为前轴右轮的垂直载荷；F_Y3为后轴左轮的垂直载荷；F_Y4为后轴右轮的垂直载荷；a、b分别为叉车质心到前、后轴的距离；g为重力加速度；

为质心侧偏角速度；k_φ为悬架侧倾角刚度；R_f为前轴侧倾转向系数；c_φ为悬架侧倾角阻尼；φ为车身侧倾角；δ_f为叉车的前轮转角；δ_r为叉车的后轮转角；R_r为后轴侧倾转向系数；k_f前轴轮胎的等效侧偏刚度；k_r后轴轮胎的等效侧偏刚度；

横摆角加速度；

将横摆角速度ω、质心侧偏角β、车身侧倾角φ、侧倾角速度p为状态变量，将以上方程可写为如下状态空间方程形式：

式中：

M₃＝[k₁ k₁a 0 0]^T

x(t)＝[ω β φ p]^T；U＝δ_f；

其中：U为输入项，输入量为前轮转角角度；A、B、C、M₁、M₂、M₃为含有叉车实车数据的矩阵。

在所述步骤(2)中，所述故障项包括输入干扰项、传感器故障项和执行器故障项，加入输入干扰项、传感器故障项和执行器故障项可得到故障方程：

式中，

x_p(t)的导数；x_p(t)∈Rⁿ：x_p(t)＝[ω β φ p]^T不可测状态量；u(t)∈R^l：输入向量；y_p(t)∈R^m：输出向量；D_p：未知扰动等不确定向量；d(t)为未知扰动；f_s∈R^m：传感器故障向量；f_a∈R^m：执行器故障向量；E_sp：已知的传感器故障分布矩阵；E_ap：已知的执行器故障分布矩阵；A_p，B_p，C_p：已知常数矩阵；

为将输出项设计为只与状态量x_p(t)有关，存在非奇异变换矩阵T₀，进行变换，其中有

***状态方程可表示为：

其中：A₁、A₂、A₃、A₄、B₁、B₂、C₂、D₂、E₁、E₂均已给出维数，由关系式

C_pT₀＝[0 C₂]，通过LMI工具箱求出其具体矩阵，式中T₀为人为设定矩阵，x₁∈R^(n+h)×(n+h),x₂∈R^p，A₁∈R^{(n+h-p)×(n+h-p)}，A₂∈R^(n+h-p)×p，A₃∈R^p×(n+h-p)，A₄∈R^p×p，B₁∈R^(n+h)-p，B₂∈R^p，D₂∈R^p×(q+h)，E₁∈R^(n+h)-p，E₂∈R^p，C₂∈R^p；

把方程(9)根据T₀变换为方程(10)，

中不含有故障项，只有未知扰动项，A₁、A₂、B₁、E₁为经数学变换后参数；同理，

中同时含有故障项和干扰项，A₃、A₄、B₂、D₂、E₂为经数学变换后参数；y(t)＝C₂x₂(t)中C₂为经数学变换后参数。

在所述步骤(3)中，分别利用横摆角速度传感器、侧偏角速度传感器、方向盘转角传感器测得叉车在当前行驶状态下的横摆角速度w_r、侧偏角速度p_r、方向盘转角值δ_r；利用电压传感器测得左前轮驱动电机电压U_f1、右前轮驱动电机电压U_f2、左后轮驱动电机电压U_r1、右后轮驱动电机电压U_r2。

在所述步骤(4)中，设计自适应滑模变结构观测器具体是指：

其中：

为状态量；u(t)为输入量，输入量为转角值；v为不连续项；L为待设置矩阵；

为观测器观测的扰动；

为输出量；

定义不连续项v，加入到自适应滑模变结构观测器中，

其中，ζ为适当参数；F为待计算的适维矩阵；e_y为观测器生成残差；

同时利用残差只包括故障信息，设计一种故障估计算法，该算法包含有包含自适应率，同时得到该算法表达式为：

为基于残差的一种故障估计算法，E₀为设计的适维矩阵，e_y为状态观测误差，β为变结构参数，F为适维矩阵。

在所述步骤(5)中，设置各传感器和执行器的阈值，此阈值为正常工作状态下的最大值；横摆角速度传感器阈值为μ_w；侧偏角速度传感器阈值为μ_p；方向盘转角传感器阈值为μ_δ；左前轮驱动电机输出电压阈值为μ_f1；右前轮驱动电机输出电压阈值为μ_l2；左后轮驱动电机输出电压阈值为μ_r1；右后轮驱动电机输出电压阈值为μ_r2；

当横摆角速度传感器发生故障时，输出的量为w_e；当侧偏角速度传感器发生故障时，输出的量为p_e；当方向盘转角传感器发生故障时，输出的量为δ_e；执行器为直流驱动电机，用电压控制电机的输出转矩，进而控制车轮转角，所以当执行器发生故障时，输出量为左前轮驱动电机输出电压U_fe1、右前轮驱动电机输出电压U_fe2、左后轮驱动电机输出电压U_re1、右后轮驱动电机输出电压U_re2。

在所述步骤(7)中，若已判断发生故障，则进行故障隔离，并在驾驶室的显示屏提示驾驶员发生故障，蜂鸣器警报。

由上述技术方案可知，本发明的优点在于：第一，本发明根据线控四轮转向电动叉车的结构与工作环境，建立线控四轮转向电动叉车的三自由度整车模型；根据干扰项和故障项，并结合整车模型，建立故障模型，为观测器的使用打下基础；设置自适应滑模观测器，加入变结构参数，可以有效的已知未知输入干扰，并利用残差信号设计自适应率，可以更好地跟踪轨迹；同时利用多观测器思想，并对每一部件设置一个观测器，使得可以使用滑模观测器观测各传感器和执行器的状态，可进行故障检测、状态重构；对不同种类的传感器和执行器设计不同的残差阈值，可有效的根据不同情况判断故障，再利用观测器(执行器)所产生的残差不受其传感器(执行器)自身故障信号和***未知输入的影响，而仅仅受其他传感器(执行器)产生的故障信号影响的特点，这样就可以根据残差准确判断，具体哪个传感器(执行器)发生故障和具体的故障时间；最后，在驾驶室中显示屏中提醒驾驶员叉车在何时、哪个部件发生故障，有效的确保了驾驶员在复杂工作环境下的安全性。第二，本发明中自适应滑模变结构观测器具有更高的灵敏性和快速性，使用残差阈值的方法，可有效的避免误报、错报现象的发生，并采用多观测器的思想，可以快速精确定位，合理地对执行器故障和观测器故障进行故障隔离，使得线控四轮转向电动叉车在各种复杂的工况下都具有良好的安全性和稳定性。

附图说明

图1本发明的方法流程图；

图2为本发明中线控四轮转向电动叉车三自由度模型示意图。

具体实施方式

如图1、2所示，一种线控四轮转向电动叉车的多故障检测和隔离方法，该方法包括以下顺序的步骤：

(1)根据电动叉车实车建立电动叉车三自由度动力学模型；

(2)根据叉车在运行过程中的故障项和未知扰动项，再结合已建立的电动叉车动力学模型，构造故障模型；叉车在运行过程中会遇到各种未知干扰，例如环境干扰，信号输入过程中的输入干扰，同时***部件也会发生故障；

(3)根据叉车的当前行驶状态确定实际的横摆角速度w_r、实际的侧偏角速度p_r和实际的方向盘转角值δ_r；

(4)设计自适应滑模变结构观测器，其中加入不连续开关项和根据残差确定的自适应项；

(5)对每一个可能故障部位设置一个自适应滑模变结构观测器进行故障监测，并设定不同的故障阈值；

(6)设置的自适应滑模变结构观测器个数与传感器或执行器的个数相同，根据残差准确判断具体哪个传感器或执行器发生故障，并判断具体的故障时间；

(7)若发生故障，及时对故障进行隔离，并提醒驾驶员有故障发生；

(8)若未发生故障，则以设定的时间间隔循环执行步骤(1)到步骤(6)，实现线控四轮转向电动叉车的故障检测和隔离。

在所述步骤(1)中，按如下方式建立线控四轮转向电动叉车的电动叉车三自由度动力学模型：

根据叉车动力学原理，出下述三个方程式：

确定绕X轴的侧倾运动方程如式(1)：

确定绕Y轴的侧向运动方程如式(2)：

确定绕Z轴的横摆运动方程如式(3)：

I_x为悬挂质量绕X轴转动惯量；

为横摆角加速度；

为侧倾角加速度；M_xi为各力矩在X轴方向的分力矩；I_xz为整车绕X轴与Z轴惯量积；F_Yi为各力矩在Y轴方向的分力矩；L_x为X轴方向作用于悬挂质量的外力矩；m为车辆质量；

为侧向加速度；u为纵向前进速度；ω为横摆角速度；m_s为簧载质量；h_s为簧载质量质心到侧倾中心轴的垂直距离；F_Y为沿Y轴方向总的外力；I_z为绕Z轴转动惯量；M_zi为各力矩在Z轴方向的分力矩；M_z为对Z轴的总的外力矩；p为侧倾角速度；

确定线控四轮转向电动叉车转矩平衡方程，如式(4)至式(6)：

F_Y＝F_Y1+F_Y2+F_Y3+F_Y4 (5)

M_z＝a(F_Y1+F_Y2)-b(F_Y3+F_Y4) (6)

因为叉车φ值很小，近似认为sinφ＝φ，cosφ＝1，联立式(1)至式(6)，可得以下方程组：

F_Y1为前轴左轮的垂直载荷；F_Y2为前轴右轮的垂直载荷；F_Y3为后轴左轮的垂直载荷；F_Y4为后轴右轮的垂直载荷；a、b分别为叉车质心到前、后轴的距离；g为重力加速度；

为质心侧偏角速度；k_φ为悬架侧倾角刚度；R_f为前轴侧倾转向系数；c_φ为悬架侧倾角阻尼；φ为车身侧倾角；δ_f为叉车的前轮转角；δ_r为叉车的后轮转角；R_r为后轴侧倾转向系数；k_f前轴轮胎的等效侧偏刚度；k_r后轴轮胎的等效侧偏刚度；

横摆角加速度；

将横摆角速度ω、质心侧偏角β、车身侧倾角φ、侧倾角速度p为状态变量，将以上方程可写为如下状态空间方程形式：

式中：

M₃＝[k₁ k₁a 0 0]^T

x(t)＝[ω β φ p]^T；U＝δ_f；

其中：U为输入项，输入量为前轮转角角度；A、B、C、M₁、M₂、M₃为含有叉车实车数据的矩阵。

在所述步骤(2)中，所述故障项包括输入干扰项、传感器故障项和执行器故障项，加入输入干扰项、传感器故障项和执行器故障项可得到故障方程：

式中，

x_p(t)的导数；x_p(t)∈Rⁿ：x_p(t)＝[ω β φ p]^T不可测状态量；u(t)∈R^l：输入向量；y_p(t)∈R^m：输出向量；D_p：未知扰动等不确定向量；d(t)为未知扰动；f_s∈R^m：传感器故障向量；f_a∈R^m：执行器故障向量；E_sp：已知的传感器故障分布矩阵；E_ap：已知的执行器故障分布矩阵；A_p，B_p，C_p：已知常数矩阵；

为将输出项设计为只与状态量x_p(t)有关，存在非奇异变换矩阵T₀，进行变换，其中有

***状态方程可表示为：

其中：A₁、A₂、A₃、A₄、B₁、B₂、C₂、D₂、E₁、E₂均已给出维数，由关系式

C_pT₀＝[0 C₂]，通过LMI工具箱求出其具体矩阵，式中T₀为人为设定矩阵，x₁∈R^(n+h)×(n+h),x₂∈R^p，A₁∈R^{(n+h-p)×(n+h-p)}，A₂∈R^(n+h-p)×p，A₃∈R^p×(n+h-p)，A₄∈R^p×p，B₁∈R^(n+h)-p，B₂∈R^p，D₂∈R^p×(q+h)，E₁∈R^(n+h)-p，E₂∈R^p，C₂∈R^p；

把方程(9)根据T₀变换为方程(10)，

中不含有故障项，只有未知扰动项，A₁、A₂、B₁、E₁为经数学变换后参数；同理，

中同时含有故障项和干扰项，A₃、A₄、B₂、D₂、E₂为经数学变换后参数；y(t)＝C₂x₂(t)中C₂为经数学变换后参数。

在所述步骤(3)中，分别利用横摆角速度传感器、侧偏角速度传感器、方向盘转角传感器测得叉车在当前行驶状态下的横摆角速度w_r、侧偏角速度p_r、方向盘转角值δ_r；利用电压传感器测得左前轮驱动电机电压U_f1、右前轮驱动电机电压U_f2、左后轮驱动电机电压U_r1、右后轮驱动电机电压U_r2。

在所述步骤(4)中，设计自适应滑模变结构观测器具体是指：

其中：

为状态量；u(t)为输入量，输入量为转角值；v为不连续项；L为待设置矩阵；

为观测器观测的扰动；

为输出量；

定义不连续项v，加入到自适应滑模变结构观测器中，

其中，ζ为适当参数；F为待计算的适维矩阵；e_y为观测器生成残差；

同时利用残差只包括故障信息，设计一种故障估计算法，该算法包含有包含自适应率，同时得到该算法表达式为：

为基于残差的一种故障估计算法，E₀为设计的适维矩阵，e_y为状态观测误差，β为变结构参数，F为适维矩阵。

在所述步骤(5)中，设置各传感器和执行器的阈值，此阈值为正常工作状态下的最大值；横摆角速度传感器阈值为μ_w；侧偏角速度传感器阈值为μ_p；方向盘转角传感器阈值为μ_δ；左前轮驱动电机输出电压阈值为μ_f1；右前轮驱动电机输出电压阈值为μ_l2；左后轮驱动电机输出电压阈值为μ_r1；右后轮驱动电机输出电压阈值为μ_r2；

当横摆角速度传感器发生故障时，输出的量为w_e；当侧偏角速度传感器发生故障时，输出的量为p_e；当方向盘转角传感器发生故障时，输出的量为δ_e；执行器为直流驱动电机，用电压控制电机的输出转矩，进而控制车轮转角，所以当执行器发生故障时，输出量为左前轮驱动电机输出电压U_fe1、右前轮驱动电机输出电压U_fe2、左后轮驱动电机输出电压U_re1、右后轮驱动电机输出电压U_re2。

在所述步骤(7)中，若已判断发生故障，则进行故障隔离，并在驾驶室的显示屏提示驾驶员发生故障，蜂鸣器警报。

在步骤(5)中，由于各执行器和传感器的种类不用，工作特性不同，需设计不同的残差阈值来判断，***中各部件是否发生故障。

设定横摆角速度传感器的故障残差阈值为w_m，侧偏角速度传感器的故障残差阈值为p_m，方向盘转角传感器的故障残差阈值为δ_m。左前轮驱动电机输出电压阈值为μ_fm1；右前轮驱动电机输出电压阈值为μ_lm2；左后轮驱动电机输出电压阈值为μ_rm1；右后轮驱动电机输出电压阈值为μ_rm2；

以横摆角速度传感器为例，若||e_yw||₂≤w_m，则横摆角速度传感器未发生故障，反之，若||e_yw||₂＞w_m，则横摆角速度传感器发生故障。以此类推，偏角速度传感器、方向盘转角传感器和各轮子直流驱动电机均可利用此方法检测是否发生故障。

在步骤(6)中，如果只对***部件设置观测器，仅能发现***部件是否发生故障，不能确立具体故障点。为了实现故障隔离的目的，需要确定故障发生的具***置和时间。因此，使用多观测器故障隔离技术，设计与使用的传感器和执行器相同数目的观测器，即设计11个滑模观测器，使得第j+1(j＝0,1,…,10)个观测器(执行器)所产生的残差不受其传感器(执行器)自身故障信号和***未知输入的影响，而仅仅受其他传感器(执行器)产生的故障信号影响，这样就可以根据残差准确判断，具体哪个传感器发生故障和具体的故障时间。

假设针对第j+1个部件发生故障，构造如下观测器

同时定义如下的不连续项

表1可以清晰地表达出传感器故障判别规则的形式，其中：“1”表示在相应观测器下，残差范数不为0，即未发生故障；“0”表示相应观测器下，残差范数为0，即发生故障。

表1传感器故障判别规则

表2可以清晰地表达出执行器故障判别规则的形式，其中：“1”表示在相应观测器下，残差范数不为0，即未发生故障；“0”表示相应观测器下，残差范数为0，即发生故障。

其中，横摆角速度传感器故障f_s1，侧偏角速度传感器故障f_s2、方向盘转角传感器故障f_s3、左前轮驱动电机传感器故障f_sa1、右前轮驱动电机传感器故障f_sa2、左后轮驱动电机传感器故障f_sa3、右后轮驱动电机传感器故障f_sa4。

表2执行器故障判别规则

其中，左前轮驱动电机传感器故障f_a1、右前轮驱动电机传感器故障f_a2、左后轮驱动电机传感器故障f_a3、右后轮驱动电机传感器故障f_a4。

在步骤7中，若判断已发生故障，主动进行故障隔离，用滑模观测器进行状态重构，并将相应的故障位置“1”，在驾驶室中的显示屏上，显示出故障发生时间和具体部位，起到提醒驾驶员的作用，防止事故发生，保证叉车安全性和稳定性。

综上所述，本发明根据线控四轮转向电动叉车的结构与工作环境，建立线控四轮转向电动叉车的三自由度整车模型；根据干扰项和故障项，并结合整车模型，建立故障模型，为观测器的使用打下基础；设置自适应滑模观测器，加入变结构参数，可以有效的已知未知输入干扰，并利用残差信号设计自适应率，可以更好地跟踪轨迹；同时利用多观测器思想，并对每一部件设置一个观测器，使得可以使用滑模观测器观测各传感器和执行器的状态，可进行故障检测、状态重构；对不同种类的传感器和执行器设计不同的残差阈值，可有效的根据不同情况判断故障，再利用观测器(执行器)所产生的残差不受其传感器(执行器)自身故障信号和***未知输入的影响，而仅仅受其他传感器(执行器)产生的故障信号影响的特点，这样就可以根据残差准确判断，具体哪个传感器(执行器)发生故障和具体的故障时间；最后，在驾驶室中显示屏中提醒驾驶员叉车在何时、哪个部件发生故障，有效的确保了驾驶员在复杂工作环境下的安全性。

Claims (7)

1.一种线控四轮转向电动叉车的多故障检测和隔离方法，其特征在于：该方法包括以下顺序的步骤：

(1)根据电动叉车实车建立电动叉车三自由度动力学模型；

(2)根据叉车在运行过程中的故障项和未知扰动项，再结合已建立的电动叉车动力学模型，构造故障模型；

(3)根据叉车的当前行驶状态确定实际的横摆角速度w_r、实际的侧偏角速度p_r和实际的方向盘转角值δ_r；

(4)设计自适应滑模变结构观测器，其中加入不连续开关项和根据残差确定的自适应项；

(5)对每一个可能故障部位设置一个自适应滑模变结构观测器进行故障监测，并设定不同的故障阈值；

(6)设置的自适应滑模变结构观测器个数与传感器或执行器的个数相同，根据残差准确判断具体哪个传感器或执行器发生故障，并判断具体的故障时间；

(7)若发生故障，及时对故障进行隔离，并提醒驾驶员有故障发生；

(8)若未发生故障，则以设定的时间间隔循环执行步骤(1)到步骤(6)，实现线控四轮转向电动叉车的故障检测和隔离。

2.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法，其特征在于：在所述步骤(1)中，按如下方式建立线控四轮转向电动叉车的电动叉车三自由度动力学模型：

根据叉车动力学原理，出下述三个方程式：

确定绕X轴的侧倾运动方程如式(1)：

确定绕Y轴的侧向运动方程如式(2)：

确定绕Z轴的横摆运动方程如式(3)：

I_x为悬挂质量绕X轴转动惯量；

为横摆角加速度；

为侧倾角加速度；M_xi为各力矩在X轴方向的分力矩；I_xz为整车绕X轴与Z轴惯量积；F_Yi为各力矩在Y轴方向的分力矩；L_x为X轴方向作用于悬挂质量的外力矩；m为车辆质量；

为侧向加速度；u为纵向前进速度；ω为横摆角速度；m_s为簧载质量；h_s为簧载质量质心到侧倾中心轴的垂直距离；F_Y为沿Y轴方向总的外力；I_z为绕Z轴转动惯量；M_zi为各力矩在Z轴方向的分力矩；M_z为对Z轴的总的外力矩；p为侧倾角速度；

确定线控四轮转向电动叉车转矩平衡方程，如式(4)至式(6)：

F_Y＝F_Y1+F_Y2+F_Y3+F_Y4 (5)

M_z＝a(F_Y1+F_Y2)-b(F_Y3+F_Y4) (6)

因为叉车φ值很小，近似认为sinφ＝φ，cosφ＝1，联立式(1)至式(6)，可得以下方程组：

F_Y1为前轴左轮的垂直载荷；F_Y2为前轴右轮的垂直载荷；F_Y3为后轴左轮的垂直载荷；F_Y4为后轴右轮的垂直载荷；a、b分别为叉车质心到前、后轴的距离；g为重力加速度；

为质心侧偏角速度；k_φ为悬架侧倾角刚度；R_f为前轴侧倾转向系数；c_φ为悬架侧倾角阻尼；φ为车身侧倾角；δ_f为叉车的前轮转角；δ_r为叉车的后轮转角；R_r为后轴侧倾转向系数；k_f前轴轮胎的等效侧偏刚度；k_r后轴轮胎的等效侧偏刚度；

横摆角加速度；

将横摆角速度ω、质心侧偏角β、车身侧倾角φ、侧倾角速度p为状态变量，将以上方程可写为如下状态空间方程形式：

式中：

M₃＝[k₁ k₁a 0 0]^T

x(t)＝[ω β φ p]^T；U＝δ_f；

其中：U为输入项，输入量为前轮转角角度；A、B、C、M₁、M₂、M₃为含有叉车实车数据的矩阵。

3.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法，其特征在于：在所述步骤(2)中，所述故障项包括输入干扰项、传感器故障项和执行器故障项，加入输入干扰项、传感器故障项和执行器故障项可得到故障方程：

式中，

x_p(t)的导数；x_p(t)∈Rⁿ：x_p(t)＝[ω β φ p]^T不可测状态量；u(t)∈R^l：输入向量；y_p(t)∈R^m：输出向量；D_p：未知扰动等不确定向量；d(t)为未知扰动；f_s∈R^m：传感器故障向量；f_a∈R^m：执行器故障向量；E_sp：已知的传感器故障分布矩阵；E_ap：已知的执行器故障分布矩阵；A_p，B_p，C_p：已知常数矩阵；

为将输出项设计为只与状态量x_p(t)有关，存在非奇异变换矩阵T₀，进行变换，其中有

***状态方程可表示为：

其中：A₁、A₂、A₃、A₄、B₁、B₂、C₂、D₂、E₁、E₂均已给出维数，由关系式

C_pT₀＝[0 C₂]，通过LMI工具箱求出其具体矩阵，式中T₀为人为设定矩阵，x₁∈R^(n+h)×(n+h),x₂∈R^p，A₁∈R^{(n +h-p)×(n+h-p)}，A₂∈R^(n+h-p)×p，A₃∈R^p×(n+h-p)，A₄∈R^p×p，B₁∈R^(n+h)-p，B₂∈R^p，D₂∈R^p×(q+h)，E₁∈R^{(n +h)-p}，E₂∈R^p，C₂∈R^p；

把方程(9)根据T₀变换为方程(10)，

中不含有故障项，只有未知扰动项，A₁、A₂、B₁、E₁为经数学变换后参数；同理，

中同时含有故障项和干扰项，A₃、A₄、B₂、D₂、E₂为经数学变换后参数；y(t)＝C₂x₂(t)中C₂为经数学变换后参数。

4.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法，其特征在于：在所述步骤(3)中，分别利用横摆角速度传感器、侧偏角速度传感器、方向盘转角传感器测得叉车在当前行驶状态下的横摆角速度w_r、侧偏角速度p_r、方向盘转角值δ_r；利用电压传感器测得左前轮驱动电机电压U_f1、右前轮驱动电机电压U_f2、左后轮驱动电机电压U_r1、右后轮驱动电机电压U_r2。

5.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法，其特征在于：在所述步骤(4)中，设计自适应滑模变结构观测器具体是指：

其中：

为状态量；u(t)为输入量，输入量为转角值；v为不连续项；L为待设置矩阵；

为观测器观测的扰动；

为输出量；

定义不连续项v，加入到自适应滑模变结构观测器中，

其中，ζ为适当参数；F为待计算的适维矩阵；e_y为观测器生成残差；

同时利用残差只包括故障信息，设计一种故障估计算法，该算法包含有包含自适应率，同时得到该算法表达式为：

为基于残差的一种故障估计算法，E₀为设计的适维矩阵，e_y为状态观测误差，β为变结构参数，F为适维矩阵。

6.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法，其特征在于：在所述步骤(5)中，设置各传感器和执行器的阈值，此阈值为正常工作状态下的最大值；横摆角速度传感器阈值为μ_w；侧偏角速度传感器阈值为μ_p；方向盘转角传感器阈值为μ_δ；左前轮驱动电机输出电压阈值为μ_f1；右前轮驱动电机输出电压阈值为μ_l2；左后轮驱动电机输出电压阈值为μ_r1；右后轮驱动电机输出电压阈值为μ_r2；

当横摆角速度传感器发生故障时，输出的量为w_e；当侧偏角速度传感器发生故障时，输出的量为p_e；当方向盘转角传感器发生故障时，输出的量为δ_e；执行器为直流驱动电机，用电压控制电机的输出转矩，进而控制车轮转角，所以当执行器发生故障时，输出量为左前轮驱动电机输出电压U_fe1、右前轮驱动电机输出电压U_fe2、左后轮驱动电机输出电压U_re1、右后轮驱动电机输出电压U_re2。

7.根据权利要求1所述的线控四轮转向电动叉车的多故障检测和隔离方法，其特征在于：在所述步骤(7)中，若已判断发生故障，则进行故障隔离，并在驾驶室的显示屏提示驾驶员发生故障，蜂鸣器警报。

Images